本文详细探讨了隐马尔可夫模型（HMM）的模型推断问题，包括Decoding（解码）、Evaluation（评估）、Filtering（过滤）、Smoothing（平滑）和Prediction（预测）。Decoding利用Viterbi算法，Evaluation和Filtering借助前向算法，Smoothing则通过前向后向算法解决。同时，介绍了Learning问题，即求解参数λ，以及滤波和预测问题的解决方法。
1.隐马尔科夫模型Learning问题是求解未知参数λ
2.隐马尔科夫模型Inference问题有五个：Decoding、Evaluation、Filtering、Smoothing、Prediction
3.Decoding问题是给定观测序列和分布λ，求解使得联合概率最大的隐状态序列
4.Evaluation问题是已知分布λ的条件下，求解观测变量的联合概率分布
5.Filtering问题是给定1~t时刻的观测变量，求解使得t时刻条件概率最大的隐状态参数
6.Smoothing问题是给定所有时刻观测变量，求解使得t时刻条件概率最大的隐状态参数
7.Prediction问题是给定1~t时刻观测变量,预测下一个时刻的隐状态分布和下一个时刻观测变量的分布
8.隐马尔科夫模型的Decoding利用Viterbi算法、Evaluation利用前向算法或后向算法、Filtering利用前向算法、
最低0.47元/天 解锁文章
扫一扫
8504
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
